OpenCv识别小罗伯特唐尼

2024-01-16 16:10
文章标签 opencv 识别 罗伯特 唐尼

本文主要是介绍OpenCv识别小罗伯特唐尼,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、OpenCV简单介绍

在实现人脸识别之前,我们先简单了解一下OpenCv的一些基本操作。在此之前,我们需要先安装OpenCv,我们使用pip安装:

pip install opencv-python

另外我们还需要另外一个模块:

pip install opencv-contrib-python

接下来我们就可以学习OpenCv了。

1.1、OpenCv操作图像

我们来简单读取一个图像,并将该图像显示:

# 导入模块
import cv2
# 读取图片
im = cv2.imread('1.jpg')
# 显示图片,该方法只会显示一瞬间。(第一个参数为窗口名称,第二个参数为ndarray对象)
cv2.imshow('im', im)
# 等待键盘输入,传入毫秒值,当传入0时表示无限等待。(imshow配合该方法可以让界面一直显示)
cv2.waitKey(0)
# 因为OpenCv是用C/C++写的,所以需要释放内存
cv2.destroyAllWindows()

上述代码就实现了最简单的读取并显示图像的操作了。

1.2、灰度转换

灰度就是使用黑色调表示物体,即用黑色为基准色,不同的饱和度的黑色来显示图像。 灰度转换就是将图片转换成黑白图像。因为我们在人脸识别时,灰度图像便于识别,所以我们先来了解一下。用OpenCv实现灰度转换很简单:

import cv2
# 读取图像
im = cv2.imread('1.jpg')
# 灰度转换(第一个参数为ndarray对象,第二个参数为cv2中的常量),返回一个ndarray对象
grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
# 将grey保存
cv2.imwrite('grey.jpg', grey)
# 显示灰度转换后的图像
cv2.imshow('grey', grey)
# 等待键盘输入
cv2.waitKey(0)
# 销毁窗口
cv2.destroyAllWindows()

效果如下:

在这里插入图片描述

1.3、绘制图形

我们后续在检测人脸的时候,我们会绘制图形,将人脸框起来。图形的绘制也非常简单,我们看如下代码:

import cv2
# 读取图像
im = cv2.imread('1.jpg')
# 在图像im上绘制矩形
"""
第一个参数为ndarray对象
第二个参数为左上角的坐标(x1, y1)
第三个参数为右下角的坐标(x2, y2)
第四个参数为颜色值,其顺序不同于我们之前的,使用的是BGR
第五个参数为线条宽度
"""
cv2.rectangle(im, (0, 0), (200, 200), (255, 255, 0), 2)
# 显示图像
cv2.imshow('im', im)
# 等待输入
cv2.waitKey(0)
# 销毁窗口
cv2.destroyAllWindows()

对比图如下:

在这里插入图片描述

了解上面知识后,我们就可以进入下一步的学习了。

二、人脸检测

2.1、获取特征数据

开始人类检测之前,我们要先获取一个特征数据。我们先去官网,看到如下界面:

在这里插入图片描述

点击相应的下载后,双击安装就可以了。我们进入D:\CodeField\OpenCv\opencv\sources\data\haarcascades,前面为你opencv的安装目录。进入该文件夹后,里面全是特征文件,我们一般选用haarcascade_frontalface_default.xml

2.1、检测人脸

我们可以把特征文件复制到我们项目下,也可以直接用绝对路径引用。我们检测人脸需要一个cv2.CascadeClassifier对象,该对象可以用来检测人脸。代码如下:

face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

其中,传入参数为特征文件的路径。我们可以选择相对路径,也可以选择绝对路径。完整人类检测代码如下:

import cv2
# 加载特征数据
face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# 读取图片
im = cv2.imread('1.jpg')
# 检测人脸,返回人脸的位置信息
faces = face_detector.detectMultiScale(im)
# 遍历人脸
for x, y, w, h in faces:# 在人脸区域绘制矩形cv2.rectangle(im, (x, y), (x+w, y+h), (255, 255, 0), 2)
# 显示图像
cv2.imshow('im', im)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中detectMultiScale方法返回一个ndarray对象,这个对象保存了n张人脸的左上角坐标、脸的宽、脸的高。检测效果如下:

在这里插入图片描述

不过有时会有一些误差,大多数清晰人脸可以正常检测到。

三、人脸识别

上面的内容我们已经说了人脸检测的实现,那人脸识别和人脸检测有什么区别呢?它们的区别在于,人脸检测是要确定一张图像里面有没有人脸,而人脸识别则是要确定图像中的人脸是谁。不过要确定是谁之前,我们需要先见过人脸的主人,这就需要我们训练数据了。

3.1、训练数据

训练数据主要有两个部分,人脸信息和标签,其中标签为int列表。我在目录gtx中准备了50来张钢铁侠图片,为了方便获取标签,我们先编写如下代码:

import ospath = "./gtx/"
# 获取文件列表
paths = os.listdir(path)
i = 0	# 循环变量
for file in paths:i += 1# 将文件重命名os.rename(path+file, path + str(i) + str(1) + ".jpg")

这段代码就是遍历当前目录下gtx文件夹下的图片,将图片名称改为数字+1+.jpg格式。

在这里插入图片描述

上面是我用爬虫爬取的一些图片,我们将这些使用上述代码转换成数字+1+.jpg格式,我们把1做为小罗伯特唐尼的标签,我们可以继续多把其他人的人脸改为数字+2+.jpg格式,这样就可以做到区分。不过上述代码有一个问题,即当我们遍历到第四个图片时,名称需要改为41.jpg,而在我的文件夹中已经存在41.jpg,所以会产生错误。我们将代码改为如下:

import os
path = "./gtx/"
paths = os.listdir(path)
i = 0
for file in paths:i += 1try:os.rename(path + file, path + str(i) + str(1) + ".jpg")except Exception as e:print(e)# 当发生异常时,直接跳过continue

准备好图像后,我们就可以开始训练数据了,训练数据代码如下:

import cv2
import os
import numpyroot_path = "./gtx/"def getFacesAndLabels():"""读取图片特征和标签"""global root_pathfaces = []lables = []# 获取人脸检测器face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')# 获取图片路径files = os.listdir(root_path)for file in files:path = root_path + file# 读取图片im = cv2.imread(path)# 转换灰度grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)# 读取人脸数据face = face_detector.detectMultiScale(grey)for x, y, w, h in face:# 设置标签,分离文件名称lables.append(int(file.split('.')[0]))# 设置人脸数据faces.append(grey[y:y+h, x:x+w])return faces, lables# 调用方法获取人脸信息及标签
faces, labels = getFacesAndLabels()
# 获取训练对象
recognizer = cv2.face.LBPHFaceRecognizer_create()
# 训练数据
recognizer.train(faces, numpy.array(labels))
# 保存训练数据
recognizer.write('./trainer/trainer.yml')

在上面代码中,我们上面的并没有对文件名称中的最后一个数字1进行区分,后续会使用到。关于训练数据,大家可以多准备一些人物和图片。

3.2、人脸识别

我们训练完数据后,就可以进行人脸识别了。在识别之前我们先加载训练数据,然后就是基本的人类检测步骤。最后我们调用predict方法进行人脸识别,在训练数据中匹配人物。

import cv2# 加载训练数据集
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('./trainer/trainer.yml')# 准备识别的图片
im = cv2.imread('1.jpg')
grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)# 检测人脸
face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
face = face_detector.detectMultiScale(grey)for x, y, w, h in face:# 返回人脸标签和可信度,可信度数值越低,可信度越高(用词不当,不要在意)label, confidence = recognizer.predict(grey[y:y+h, x:x+w])# 这里将60作为界限,当检测检测值为60时,我们就确定人物if confidence <= 60:if label % 10 == 1:print('小罗伯特唐尼')elif lable % 10 == 2:passelse:print("未匹配到数据")cv2.imshow('im', im)cv2.waitKey(0)
# 销毁窗口
cv2.destroyAllWindows()

上述代码中,我们用标签label%10,可以获得文件最后一个数字,这样就可以达到区分人物的作用,我们用如下图片进行测试。

在这里插入图片描述

输出结果如下:

小罗伯特唐尼

算是成功了,多次测试后,发现准备率方面比较中规中矩。大家可以尝试多准备写图片用来训练,从而提高准确率。代码已上传GitHub:https://github.com/IronSpiderMan/GtxFaceDetector

这篇关于OpenCv识别小罗伯特唐尼的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/613153

相关文章

opencv图像处理之指纹验证的实现

《opencv图像处理之指纹验证的实现》本文主要介绍了opencv图像处理之指纹验证的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录一、简介二、具体案例实现1. 图像显示函数2. 指纹验证函数3. 主函数4、运行结果三、总结一、

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

使用PyTorch实现手写数字识别功能

《使用PyTorch实现手写数字识别功能》在人工智能的世界里,计算机视觉是最具魅力的领域之一,通过PyTorch这一强大的深度学习框架,我们将在经典的MNIST数据集上,见证一个神经网络从零开始学会识... 目录当计算机学会“看”数字搭建开发环境MNIST数据集解析1. 认识手写数字数据库2. 数据预处理的

Pytorch微调BERT实现命名实体识别

《Pytorch微调BERT实现命名实体识别》命名实体识别(NER)是自然语言处理(NLP)中的一项关键任务,它涉及识别和分类文本中的关键实体,BERT是一种强大的语言表示模型,在各种NLP任务中显著... 目录环境准备加载预训练BERT模型准备数据集标记与对齐微调 BERT最后总结环境准备在继续之前,确

讯飞webapi语音识别接口调用示例代码(python)

《讯飞webapi语音识别接口调用示例代码(python)》:本文主要介绍如何使用Python3调用讯飞WebAPI语音识别接口,重点解决了在处理语音识别结果时判断是否为最后一帧的问题,通过运行代... 目录前言一、环境二、引入库三、代码实例四、运行结果五、总结前言基于python3 讯飞webAPI语音

使用Python开发一个图像标注与OCR识别工具

《使用Python开发一个图像标注与OCR识别工具》:本文主要介绍一个使用Python开发的工具,允许用户在图像上进行矩形标注,使用OCR对标注区域进行文本识别,并将结果保存为Excel文件,感兴... 目录项目简介1. 图像加载与显示2. 矩形标注3. OCR识别4. 标注的保存与加载5. 裁剪与重置图像

Python爬虫selenium验证之中文识别点选+图片验证码案例(最新推荐)

《Python爬虫selenium验证之中文识别点选+图片验证码案例(最新推荐)》本文介绍了如何使用Python和Selenium结合ddddocr库实现图片验证码的识别和点击功能,感兴趣的朋友一起看... 目录1.获取图片2.目标识别3.背景坐标识别3.1 ddddocr3.2 打码平台4.坐标点击5.图

如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别详解

《如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别详解》:本文主要介绍如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别的相关资料,描述了如何使用海康威视设备网络SD... 目录前言开发流程问题和解决方案dll库加载不到的问题老旧版本sdk不兼容的问题关键实现流程总结前言作为

Java中的Opencv简介与开发环境部署方法

《Java中的Opencv简介与开发环境部署方法》OpenCV是一个开源的计算机视觉和图像处理库,提供了丰富的图像处理算法和工具,它支持多种图像处理和计算机视觉算法,可以用于物体识别与跟踪、图像分割与... 目录1.Opencv简介Opencv的应用2.Java使用OpenCV进行图像操作opencv安装j

opencv实现像素统计的示例代码

《opencv实现像素统计的示例代码》本文介绍了OpenCV中统计图像像素信息的常用方法和函数,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 统计像素值的基本信息2. 统计像素值的直方图3. 统计像素值的总和4. 统计非零像素的数量